Browsing by Subject "Big data"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Metodología MLOps para la entrega continúa de un modelo de machine learning para el reconocimiento y control de las plagas stenoma catenifer y heilipus lauri en el cultivo de aguacate hass
    (Pontificia Universidad Javeriana Cali, 2024) Rodríguez Torres, Juan Felipe; Arango Londoño, David
    Este estudio se enfocó en la implementación de una metodología MLOps en la agricultura, específicamente en el cultivo del aguacate Hass, que enfrenta desafíos como las plagas. La metodología MLOps se destaca por mantener la operación y el despliegue de modelos de aprendizaje automático mientras se mejora su rendimiento. El objetivo es desarrollar un modelo de Machine Learning para el reconocimiento y control de plagas, utilizando técnicas de preprocesamiento y selección de características. Se propuso la implementación de una metodología MLOps que permitió la integración, automatización y monitoreo del modelo ML, validándola en un entorno controlado. Se creó una herramienta digital para los científicos de datos, facilitando la predicción y prevención de plagas. El proyecto generó un informe detallado del diseño, ejecución y evaluación de la metodología MLOps, así como la creación de una metodología que permita reevaluar continuamente el rendimiento del modelo de Machine Learning. Este enfoque contribuye a la sostenibilidad y productividad del sector agrícola.
  • Thumbnail Image
    Item
    Modelo analítico para la predicción de default en el servicio de crédito en una caja de compensación familiar en Antioquia
    (Pontificia Universidad Javeriana Cali, 2023) Cruz Valencia, Hermilso; Morales Firaya, Michael Steven; Tunjuelo Martínez, Hernán Alberto; Arango Londoño, David
    El presente trabajo aplica para la caja de compensación familiar COMFENALCO ANTIOQUIA. Actualmente la empresa se encuentra en un proceso de transformación y ha firmado un contrato con una empresa para actualizar el software administrativo de crédito. Dentro del alcance de este proyecto no se encuentra contratado el motor de decisión. Actualmente se utiliza un modelo Scoring de crédito de elaboración propia en Excel. Este fue construido con macros avanzados y en su interior contiene un algoritmo de modelo Logit y las reglas de negocio del reglamento de crédito. Con ello se calcula la probabilidad de incumplimiento y el cumplimiento de los indicadores de riesgo para tomar la decisión de aprobar, aplazar o negar la solicitud de crédito. Con el objetivo de actualizar el modelo Logit e integrarlo en el nuevo software y con base a una data histórica de créditos, se propuso un modelo base de regresión logística que permita predecir el riesgo de default en función de las covariables que se consideren importantes de acuerdo a un proceso adecuado. Además, se compara el rendimiento estadístico con modelos más avanzados como XGBoost, Árbol de decisión, Bosque Aleatorio.